大家好，小编今天为大家分享关于简单的python爬取 *** 数据（Python爬取 *** ）的信息，很多人还不知道，今天让我们一起来看看吧！

1、听说最近樱桃价格暴跌，以前很多人梦寐以求的樱桃自由现在可以实现了。事实上，樱桃的价格下降了，主要是因为进口运费大大降低。为了找到购买樱桃的更佳方式，我决定使用python+BI进行数据分析。

2、于是我用python爬取了 *** 上的3000条数据，然后导入FineBI进行可视化分析。最后，我做了如下的视觉报告:下面我给大家演示一下操作流程:一.数据采集用Python抓取 *** 上的数据已经是老生常谈了。直接在 *** 上搜索车厘子。

3、在下面的商品页面可以看到，我们这次抓取的主要标签有商品名称、价格、付款人数、店铺名称、发货地址等。：按F12，调出后台查看源代码，找到不同的商品标签代码。比如价格是价格g_价格g_价格-高亮”；>，付款人为deal-cnt等。

4、：知道了网页的代码结构之后，接下来就是直接用python写代码了。具体过程就不详细描述了。一些代码如下:爬完数据后，导入Excel，然后在Excel中通过简单的数据清理和处理，最后得到一个完整的数据表:数据分析python虽然也可以实现数据分析的功能，但是需要键入代码，学习成本和难度都比较高。

5、不如直接使用专业的数据分析工具进行分析，比如常见的如FineBI、Tableau、PowerBI等。我以FineBI为例。FineBI是国内知名的本地数据分析工具。

6、相对于tableau这样的国外工具，Finebi更大的优势就是简单灵活，只需要用鼠标拖拽就可以实现各种分析操作。基本上不需要写代码，对新手很友好。其实FineBI本质上是一个企业级的业务数据分析平台。

7、除了数据分析，还可以实现数据管理、数据平台搭建等功能，这里就不详细介绍了。如果你有兴趣，我会在下一篇文章中介绍。使用excel源表，首先我们将Excel导入FineBI:然后直接点击页面左上角的创建仪表板，即可进入可视化背景:下一步是转到仪表板进行可视化。

8、基本步骤是选择图表类型-选择指标和维度-拖拽到指定坐标轴-美化细节。例如，如果我想创建一个可视化地图，我必须首先选择图表类型为面积图，然后选择指标和维度。但是，原始数据表中没有地理纬度，所以我需要自己创建:最后，我们拖拽到指定的坐标轴，然后美化细节，完成一张可视化的地图:以此类推，其他的视力表也可以根据自己的需要来 *** ，这里就不赘述了。

9、数据可视化樱桃的销售分布可以看到，中国樱桃销量更大的地区来自上海、浙江、广东三省， *** 、青海、内蒙古等省份没有销量。基本上沿海地区的销量高于内陆地区。各省销量通过条形图就更明显了。

10、上海销量20多万，几乎是浙、粤、川的总和。每个城市的销量选取销量前十的城市和每个城市车厘子的均价，可以看出上海的销量和价格都是更高的，上海的购买力有多强。樱桃的价格区间在数据表中，价格区间分为50以下、50-100、100-150、150-200、200-500、500以上等。

11、可以看到更大的价格区间是50-100，应该属于平民价格。值得注意的是，200-500的价格也高于100-150。各门店的销量和价格可以看出销量更高的基本都是旗舰店，更高的平均价格基本在600-800左右；可以看到旗舰店销量更高，更高均价在600-800左右。

本文关于简单的python爬取 *** 数据（Python爬取 *** ）的知识就到此分享完毕，希望对大家有所帮助。